Ostatnio pracuję z dużymi zestawami danych i znalazłem wiele artykułów na temat metod przesyłania strumieniowego. By wymienić tylko kilka:
- Follow-the-Regularized-Leader and Mirror Descent: The Equivalence Theorems and L1 Regularization ( http://jmlr.org/proceedings/papers/v15/mcmahan11b/mcmahan11b.pdf )
- Streaming Learning: One-Pass SVMs ( http://www.umiacs.umd.edu/~hal/docs/daume09onepass.pdf )
- Pegasos: Primal Estimated sub-GrAdient SOlver for SVM http://ttic.uchicago.edu/~nati/Publications/PegasosMPB.pdf
- lub tutaj: czy SVM może strumieniowo uczyć się jednego przykładu na raz?
- Streaming Losowe lasy ( http://research.cs.queensu.ca/home/cords2/ideas07.pdf )
Nie udało mi się jednak znaleźć żadnej dokumentacji dotyczącej ich porównania. Każdy artykuł, który czytam, wydaje się przeprowadzać eksperymenty na innym zbiorze danych.
Wiem o sofii-ml, ślubnej wabbit, ale wydaje się, że wdrażają bardzo niewiele metod, w porównaniu do ogromnej liczby istniejących metod!
Czy mniej popularne algorytmy nie są wystarczająco wydajne? Czy jest jakaś praca, która próbuje przejrzeć jak najwięcej metod?
7
Jeśli nie ma, powinieneś napisać to sam :)
—
Chris C
rozumiesz, że ludzie ze środowisk akademickich muszą pisać artykuły / wymyślać nowe algorytmy i będą wyszukiwać zbiory danych, na których ich algorytm działa najlepiej. Radziłbym tylko upewnić się, że rozumiesz, jak działa jedna biblioteka, taka jak ślubna-wabbit (tj. Wszystkie parametry itp.).
—
seanv507
W rzeczywistości jest odwrotnie! Zrozumiałem, że ludzie wybrali najlepszy zestaw danych i na ogół milczą na temat tego, w jaki sposób zweryfikowali algorytmy (zarówno swoje, jak i konkurujące metody). Raczej szukam wersji strumieniowej jmlr.org/papers/volume15/delgado14a/delgado14a.pdf
—
RUser4512
Naprawdę podoba Ci się link do JMLR. Sam nie znam podobnego porównania algorytmów przesyłania strumieniowego. Prawdopodobnie dlatego, że przesyłanie strumieniowe jest bardziej niszowe, a także ponieważ trudno jest porównywać klasyfikatory dla statycznych zestawów danych, jeszcze bardziej skomplikowane jest dokonanie rzetelnego porównania danych przesyłanych strumieniowo.
—
stats0007
Chociaż nie odpowiadają one konkretnie na twoje pytanie, dwa powiązane zasoby to: Ocena algorytmów uczących się ze strumieni danych Gama i in., W których omawiane są techniki oceny, oraz MOA (Massive Online Analysis) , platforma open source do eksploracji strumieni danych, która obejmuje umiejętność oceny wydajności.
—
user77876,